JURNAL. Oleh: JONI SRIYANTO Dibimbing oleh : 1. Nursalim, S.Pd., MH 2. Arie Nugroho, S.Kom., MM

Transkripsi

1 JURNAL Sistem Pendukung Keputusan Pemberian Reward Kepada Karyawan Berdasarkan Penilaian Kinerja Dengan Menggunakan Metode Simple Additive Weighting (SAW) The Support System The Decision To Give Rewards To An Employee Based On The Assessment Performance By Using The Method Simple Additive Weighting ( SAW ) Oleh: JONI SRIYANTO Dibimbing oleh : 1. Nursalim, S.Pd., MH 2. Arie Nugroho, S.Kom., MM PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI TAHUN 2017

2 SURAT PERNYATAAN ARTIKEL SKRIPSI TAHUN 2017 Yang bertanda tangan di bawah ini: Nama Lengkap : JONI SRIYANTO NPM : Telepun/HP : Alamat Surel ( ) : ketuabhudhenk3@gmail.com Judul Artikel : Sistem Pendukung Keputusan Pemberian Reward Kepada Karyawan Berdasarkan Penilaian Kinerja Dengan Menggunakan Metode Simple Additive Weighting (SAW) Fakultas Program Studi : Teknik-Sistem Informasi Nama Perguruan Tinggi : UNIVERSITAS NUSANTAR PGRI Alamat Perguruan Tinggi : Jl.Achmad Dahlan no. 76 Kota Kediri Dengan ini menyatakan bahwa : a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan bebas plagiarisme; b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II. Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain, saya bersedia bertanggung jawab dan diproses sesuai dengan ketentuan yang berlaku. Pembimbing I Mengetahui Pembimbing II Kediri,.. Penulis, Nursalim, S.Pd., MH NIP / NIDN : Arie Nugroho, S.Kom., MM NIP / NIDN: Joni Siyanto

3 Sistem Pendukung Keputusan Pemberian Reward Kepada Karyawan Berdasarkan Penilaian Kinerja Dengan Menggunakan Metode Simple Additive Weighting (SAW) Joni Sriyanto Teknik Sistem Informasi Nursalim, S.Pd., MH dan Arie Nugroho, S.Kom., MM UNIVERSITAS NUSANTARA PGRI KEDIRI ABSTRAK JONI SRIYANTO : Sistem Pendukung Keputusan Pemberian Reward Berdasarkan Penilaian Kinerja Menggunakan Metode Simple Additive Weighting Pada Hypermart Kediri, Skripsi, Fakultas Teknik, Sistem Informasi UN PGRI Kediri, Sistem Pendukung Keputusan Pemberian Reward Kepada Karyawan Berdasarkan Penilaian Kinerja ini dilatar belakangi hasil pengamatan dan pengalaman peneliti bahwa masalah yang terjadi pada proses pemberian reward kepada karyawan yang masih bersifat manual atau subjektif. Untuk menetapkan karyawan yang layak menerima reward tanpa melalui hasil penilaian kinerja yang berdasarkan kriteria-kriteria yang telah ditentukan perusahaan. Serta belum adanya sistem yang dapat membantu dalam proses pengolahan data nilai karyawan, pencetakan laporan nilai kinerja karyawan dengan detail, dan sekaligus dapat menentukan karyawan yang tepat dengan lebih objektif sesuai dengan kinerja yang telah dilakukan untuk perusahaan Permasalahan penelitian ini adalah (1) Bagaimana membuat rancangan sistem pendukung keputusan pemberian reward kepada karyawan berdasarkan pinilaian kinerja pada Hypermart Kediri? (2) Bagaimana implementasi sistem pendukung keputusan pemberian reward kepada karyawan berdasarkan pinilaian kinerja dengan metode Simple Additive Weighting (SAW) dalam menentukan kelayakan pemberian reward kepada calon karyawan? Sistem pendukung keputusan ini menngunakan metode Simple Additive Weighting (SAW). Konsep dasar metode Simple Additive Weighting adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut. Sistem Pendukung Keputusan Pemberian Reward Kepada Karyawan Berdasarkan Penilaian Kinerja ini terdiri dari 6 tabel yaitu Karyawan, Kriteria, Nilai Kriteria, Bobot, Subkriteria, Dan Pilihan. Penelitian ini bertujuan untuk menghasilkan sistem pendukung keputusan yang dapat merekomendasikan karyawan yang layak menerima reward. Kesimpulan dari hasil penelitian ini adalah (1) Dengan adanya Sistem Pendukung Keputusan ini nantinya dapat mempermudah pihak HRD perusahaan dalam memperkirakan karyawan yang memiliki nilai kinerja tertinggi, direkomendasikan untuk jadi yang terpilih dan berhak menerima reward. (2) Sistem Pendukung Keputusan menggunakan metode Simple Additive Weighting (SAW) merupakan Aplikasi berbasis dekstop, bahasa pemograman Pascal, aplikasi untuk merancang adalah Delphi, database MySQL. Kata kunci : Sistem Pendukung Keputusan, Simple Additive Weighting, Penilain Kinerja Karyawan, Dhelpi, MySQL. 2

4 LATAR BELAKANG Manajemen sumber daya manusia merupakan satu bidang manajemen yang khusus mempelajari hubungan dan peranan manusia dalam organisasi. Hal ini disebabkan manajemen sumber daya manusia mengatur tenaga kerja yang ada di dalam organisasi, sehingga terwujud tujuan organisasi dan kepuasan kerja karyawan. Pengukuran kinerja suatu perusahaan sangat penting guna mengevaluasi dan perencanaan masa depan. Penilaian prestasi suatu karyawan haruslah mutlak dilakukan perusahaan untuk mengetahui prestasi yang hendak dicapai dari setiap karyawan. Didalam perusahaan pihak HRD atau Store Manager sering merasa sulit dalam memilih sesuatu mulai dari memilih sesuatu yang ringan dan sederhana hingga sampai ke hal yang sangat berat dan rumit. Dalam proses pengambilan keputusan harus berdasarkan kriteria-kriteria dan indikator ukuran terbaik. Begitu pula bila seorang Human Resources Development (HRD) atau Store Manager perusahaan akan menentukan karyawan terbaik. Karyawan terbaik adalah karyawan yang menampilkan perilaku yang sejalan dengan visi dan misi, tujuan dan nilai-nilai perusahaan tersebut dan hal-hal tertentu yang telah ditetapkan oleh perusahaan yang bersangkutan. Karyawan yang memiliki kriteria yang sudah ditetapkan akan menerima reward sebagai karyawan terbaik kemudian perusahaan secara memberikan penilaian yang sama secara periodik dan berkelanjutan. Untuk menghindari keputusan seseorang Human Resources Development (HRD) atau manager salah karena proses pemilihan karyawan berdasarkan yang masih bersifat subjektif. Maka diperlukan suatu sistem pendukung keputusan untuk proses pemilihan karyawan tersebut yang dapat menentukan nilai bobot tiap kritaria dari perusahaan. Kemampuan dalam mengambil keputusan yang cepat dan cermat akan menjadi kunci keberhasilan dalam persaingan global dan untuk mengambil sebuah keputusan tentu diperlukan analisisanalisis dan perhitungan yang matang, tergantung dengan banyak sedikitnya kriteria yang mempengaruhi permasalahan yang membutuhkan suatu keputusan. Selain itu pemberian reward di maksutkan pula bagi karyawan yang terpilih untuk terus berprestasi dalam bekerja dan sekaligus memicu karyawan lain untuk ikut berprestasi. Hypermart Kediri Town Square bergerak di bidang retailer, disamping membangun kompetensi di bidang pembelian dan pemasaran berbagai produkproduk keperluan rumah tangga, perusahaan juga memberikan perhatian khusus kepada pembinaan SDM dalam 3

5 proses alih teknologi untuk menangani pemeliharaan dan pembangunan retail secara keseluruhan. Sehingga untuk miningkatkan kinerja keryawanya Hypermart Kediri Town Square selalu memberikan reward kepada karyawanya. Namun proses penilaian terhadap karyawan masih bersifat subjektiv dan manual karena pihak Human Resources Development (HRD) atau Store Manager belum bisa menentukan karyawan-karyawan yang layak menerima reward dengan beberapa kriteria-kriteria. Dalam hal ini untuk dapat mengolah data-data penilaian lebih objektif maka diperlukan suatu sistem pendukung keputusan yang dapat membantu menentukan siapa saja yang berhak mendapat reward tersebut, sekaligus menghilangkan perhitungan secara manual maka akan dibuat sebuah sistem secara komputerisasi untuk membantu pihak Human Resources Development (HRD) atau Store Manager menghadapi masalah semi terstruktur yaitu permasalahan yang rutin berulang, tetapi dalam hal ini masih dibutuhkan penilaian dari manusia dalam penerapan solusinya. METODE istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut (Kusumadewi, dkk, 2006). Metode ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk sebuah alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating yang dapat dibandingkan lintas atribut) bobot dan tiap atribut. Ratingtiap atribut telah melewati proses normalisasi sebelumnya. Metode ini membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Langkah penyelesaian metode SAW : a. Menentukan kriteria yang dijadikan acuan pengambilan keputusan. b. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. c. Membuat matriks keputusan berdasarkan kriteria, kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternormalisasi R. Metode Simple Additive Weighting (SAW) merupakan salah satu metode dari Multi-Attribute Decision Making (MADM). Metode ini juga sering dikenal dengan 4

6 dimana r adalah rating kinerja ternormalisasi dari alternatif pada atribut ;i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai nilai mengindikasikan bahwa alternatif terpilih. kriteria i kriteria i yang lebih besar lebih = Nilai terbesar dari setiap = Nilai terkecil dari setiap = Jika atribut yang dimiliki dari setiap kriteria terbaik terbaik = Jika nilai terbesar adalah = Jika nilai terkecil adalah...(2) Nilai preferensi untuk setiap alternatif (Vi) diberikan rumus sebagai berikut : alternatif. = Rangking untuk setiap = Nilai bobot rangking (dari setiap kriteria). = Nilai rating kinerja ternormalisasi. Dalam proses Fuzzy Multi Attribute Decision Making (FMADM) dilakukan melalui 3 tahapan yaitu: penyusunan komponen-komponen situasi, analisis dan sintesis informasi. Pada tahap penyusunan komponen, komponen situasi akan dibentuk tabel taksiran yang berisi identifikasi alternatif dan spesifikasi tujuan, kriteria dan tribute (Kusumadewi, dkk, 2006). Salah satu cara untuk menspesifikasikan tujuan situasi Oi, i=1,...,t adalah dengan cara mendaftar konsekuensi-konsekuensi yang mungkin dari alternatif yang telah teridentifikasi Ai, i=1,...,n. Selain itu juga disusun atribut-atribut yang akan digunakan ak, k=1,...,n. Tahap analisis dilakukan melalui 2 langkah, yaitu: a. Mendatangkan taksiran dari besaran yang potensial, kemungkinan dan ketidakpastian yang berhubungan dengan dampak-dampak yang mungkin pada setiap alternatif. b. Meliputi pemilihan dari preferensi pengambil keputusan untuk setiap nilai dan ketidakpedulian terhadap resiko yang timbul. Masalah Multi Attribute Decision Making (MADM) adalah mengevaluasi m alternatif Ai (i=1,2,...,m) terhadap sekumpulan atribut atau kriteria Cj (j=1,2,...,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya. Matriks keputusan setiap alternatif terhadap setiap atribut X, diberikan sebagai: Dimana Xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j. Nilai bobot yang menunjukkan tingkat 5

7 kepentingan relatif setiap atribut, sebagai W. W = {W1,W2,...,Wn} Rating kinerja (X) dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari pengambil keputusan. Metode MADM klasik memiliki beberapa kelemahan, antara lain : Tidak cukup efisien untuk menyelesaikan masalah-masalah pengambilan keputusan yang melibatkan data-data yang tidak tepat, tidak pasti dan tidak jelas. Biasanya diasumsikan bahwa keputusan akhir terhadap alternative-alternatif diekspresikan dengan bilangan riil, sehingga tahap perangkingan menjadi kurang mewakili beberapa permasalahn tertentu dan penyelesaian masalah hanya terpusat pada tahap agregasi. Salah satu cara yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah dengan menggunakan Fuzzy Multi Attribute Decision Making (FMADM). Tabel Kriteria Taat Peraturan Tabel Kriteria Kerjasama Tabel Kriteria Presensi Tabel Kriteria Tanggung Jawab HASIL DAN KESIMPULAN Simulasi kasus Tabel Kriteria Kejujuran Tabel Kriteria Kedisiplinan 6

8 Tabel Rating Kecocokan Matriks R Tabel Rating Berdasarkan Alternatif Kriteria Perhitungan Nilai Rating Matriks X 7

9 Dari perhitungan menggunakan metode SAW dapat di tarik alternatif terbaik yang berhak mendapatkan Reward. Tabel Vektor Bobot dilakukan pada laptop atau notebook dengan sistem operasi Windows Kebutuhan Perangkat Lunak (Software) Untuk mengimplementasikan aplikasi Perancangan Sistem Pendukung Keputusan Penentuan Siswa Berprestasi Menggunakan Metode SAW ini dibutuhkan Delphi 2010, Xampp dan basis data menggunakan Mysql. 2. Kebutuhan Perangkat Keras (Hardware) Dengan kata lain V5 dijadikan sebagai alternatif terbaik yang berhak mendapatkan Reward. Tabel Hasil Perangkingan Nilai Spesifikasi perangkat lunak yang digunakan untuk implementasi aplikasi Perancangan Sistem Pendukung Keputusan Pemberian Reward Kepada Karyawan Berdasarkan Penilian Kinerja Menggunakan Metode SAW yaitu : 1) Prosesor yang digunakan Intel Celeron/AMD. 2) Memori/RAM yang digunakan 2Gb. 3) Hardisk 500Gb. 4) Keyboard, mouse, printer dan monitor sebagai interface. KESIMPULAN Kebutuhan Perangkat Proses penerapan rancangan program yang sudah dibuat menjadi sebuah aplikasi kemudian diterapkan untuk bisa dioperasikan. Implementasi dan pengujian Berdasarkan pembahasan dan implementasi program maka dapat diambil beberapa kesimpulan bahwa: 1. Dengan adanya Sistem Pendukung Keputusan Pemberian reward Kepada Karyawan Berdasarkan Penilaian Kinerja 8

10 Pada Hypermart Kediri ini nantinya dapat mempermudah pihak HRD perusahaan dalam memperkirakan karyawan yang memiliki nilai kinerja tertinggi, sehingga pihak HRD perusahaan bisa mengambil keputusan untuk merekomendasikan karyawan yang terpilih berhak menerima reward. 2. Sistem Pendukung Keputusan Pemberian reward Kepada Karyawan Berdasarkan Penilaian Kinerja Pada Hypermart Kediri dengan menggunakan metode Simple Additive Weighting SAW ini menggunakan database MySQL dan menggunakan aplikasi berbasis dekstop, bahasa pemograman Pascal aplikasi untuk merancang adalah Delphi. DAFTAR PUSTAKA Anshar, S. (2010). Panduan Menguasai PHP & MySQL Secara Otodidak. JakartaSelatan: PT TransMedia. A.S, R., & Shalahudin, M. (2014). Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Bandung: Informatika Bandung. Indriyawan, E., & Kk. (2011). Mastering Delphi Xe. Yogyakarta: Cv.Andi Offset. Jogiyanto, H.M.. Analisis dan Disain Sistem Informasi. Yogyakarta: Andi Offset Kadir, Abdul Dasar PemrogramanWeb Dinamis Menggunakan PHP. Yogyakarta: Andi. Kusumadewi, Sri, dkk Fuzzy Multi- Attribute Decision Making (Fuzzy MADM). Yogjakarta: Graha Ilmu,. Kusrini, M.Kom Konsep dan Aplikasi Sistem Pendukung Keputusan. Jurnal Ilmu Pendidikan. Tohardi, Ahmad Pemahaman Praktis Manajemen Sumber Daya Manusia. Mandar Maju: Bandung Turban, E Decision Support Systems andintelligent Systems, Edisi ke-7, Jilid 1, Andi Offset: Yogyakarta. Mulia Nurhadi Ganda Sistem Pendukung Keputusan Pemberian Bonus Tahunan Pada Karyawan Dengan Menggunakan Metode Simple Additive Weighting (SAW) (Studi Kasus : PT. Tanjung Timberindo Industri). STMIK Budi darma Medan Abulwafa Muhammad Pemilhan Karyawan Berprestasi Dengan Metode Analitical Hierarchy Proces (AHP) Studi Kasus : PT. United Tractors, TBK Cabang Padang Putra Hendry Mandala Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Di Pertamina Pengapon Semarang Dengan Metode Simple Additive Weighting (SAW). Universitas Dian Nuswantoro n-komponen-dan-fungsi-xampplengkap-dengan-penjelasannya. [19/10/ 2016] Diakses tanggal : 21/10/2016 ) 9